AI Cosmos：面向情境学习的智能体基础设施

1929 年，怀特海在《教育的目的》里写道：教育的核心问题，是不让知识变成「惰性知识」——能复述，却用不出来。近一个世纪后，生成式 AI 让解释、示范和答案随取随用，这个老问题却以新的形式回来了。

学习者越来越能流畅地复述 AI 给出的概念和解法，独立运用的能力却没有同步提高。我们把这种落差称为表现—能力脱钩：讲得清快速排序的分治思路，却写不出健壮的实现；背得出法律条文，却套用不到陌生的案情上。

症结不在模型能力，而在交互方式。如今大多数 AI 教育应用沿用「请求—产物交换」：学习者提出请求，系统交付解释或成品，交互随之结束。学习者自己的尝试、反馈和修改都发生在交互之外，下一次学习也无从接续。

当知识不只是被表达，而是被实践、被分享，并沉淀为可复用的智识资产时，教育才真正具有变革性。

AI Cosmos 宣言

两个转变：情境与资产

AI Cosmos 围绕两个互补的转变来组织 AI 辅助学习：从请求—产物交换转向情境化参与，从一次性产物转向可积累的实践资产。

情境化参与

每个学习活动都被组织成一个情境：围绕一个学习目标，配置三个维度的实践。学习者和智能体通过对话协作，需要时直接操作共享的工作台，操作的结果再回到对话里，指引下一步。

• 社会 · Social角色化智能体与学习者讲解者、导师、陪练等角色由智能体担任，与学习者一同参与；角色决定谁负责什么、能做什么。
• 认知 · Epistemic知识资源与任务相关的资料、数据和过往资产，在情境中随时可以检索。
• 操作 · Operational可执行工作台编程 IDE、仿真器等有状态的环境，学习者和智能体都能在里面创建、修改、运行和检查对象。

可积累的实践资产

情境结束后留下的不只是最终答案。AI Cosmos 把实践的过程和结果保存为带溯源和依赖关系的资产，后续情境可以检索、组合，并在此之上继续：

角色规格

可复用的参与者角色定义，包括职责、行为规范和适用条件。

情境规格

完整或部分的情境配置，可以直接实例化，也可以改编。

知识产物

在工作台里创建或修改的成果，如幻灯片、批注文档、代码模块。

过程记录

参与者的操作、反馈、批评和修改序列，记下成果是怎样形成的。

经验轨迹

从执行中提炼的结构化证据，如操作结果、失败案例、配置与表现之间的关系。

系统架构

AI Cosmos 用三个相互连接的部分实现这个框架。

情境控制平面

把学习者的请求解析为学习目标，再按目标配置所需的角色、知识库和工作台。有相关的历史资产就复用或改编，没有就从头生成，而不是套用一支固定的智能体团队。

任务执行平面

外环根据交互历史决定下一位行动的参与者，在讲解、提问、批评、使用工具和交还学习者之间灵活切换；内环在沙箱化的工作台里执行操作，按「生成—执行—验证」循环、带着诊断信息重试。学习者随时可以介入，直接修改工作台的状态。

资产记忆底座

从情境配置和实践记录中产出候选资产，按类型校验后准入（知识产物还需人工确认），以溯源图持久保存；旧版本标记为弃用但保留可回滚，供后续情境检索复用。

实验一：法考备考中的法律推理

法律问题求解不仅要记住法条，还要从陌生的案情中识别相关规则并加以运用。我们开展了一项预注册的三臂随机对照试验：131 名学生被随机分到普通 LLM 助手、被提示扮演专家导师的 LLM（LLM 扮老师）和 AI Cosmos 三组，按预注册的数据完整性标准筛选后，分析样本为 111 人（每组 37 人）。三组使用同一个底座模型，差别只在交互架构。

AI Cosmos 组的学习增益比普通 LLM 组高 7.0 个百分点（Cohen’s d = 0.56，p = 0.018），控制前测成绩后结论不变。只给同一个模型加上老师人设，并没有带来可检测的提升。

差别来自交互的结构。三组学生的总输入量相同（中位数约 7,100 字），AI Cosmos 组的对话轮次却是对照组的 1.7 倍左右（51.0 轮，对照组约 29 轮），每轮字数少约 40%——一次性的提问变成了多轮的来回推敲。优势主要集中在情境化的应用题上，在基础高、低不同的学生中方向一致，学生感受到的认知负荷也没有增加。

实验二：竞赛编程中的可执行工作台

第二项研究聚焦操作维度。竞赛编程要求学习者不仅理解算法，还要亲手实现、运行、调试出正确高效的程序。我们开展了预注册的三臂随机对照试验，按能力分为基础算法和数据结构两条课程线，54 名学生完成了全部流程。AI Cosmos 组在情境中配备可执行的编程工作台；它和 LLM 扮老师组都不直接给出完整代码，普通 LLM 组不设限制。后测是两道没见过的新题，由两位 NOI / ACM 金牌选手命题，并在不知分组的情况下评阅代码。

只看分数，AI Cosmos 和普通 LLM 相差不大，两组得分提交的比例也接近（82% 和 85%）。但细看代码，AI Cosmos 组 55% 的提交真正实现了目标算法，普通 LLM 组只有 38%；不用目标算法、只靠「凑分」通过的提交，AI Cosmos 组也最少。

工作台对基础较弱的学习者帮助最大：在基础算法线，AI Cosmos 组的后测比 LLM 扮老师组高出 31.4 分。同时，只有 AI Cosmos 组的成绩和学生先前的能力明显相关（r = 0.59，p = 0.008），两个对照组几乎为零——学生能直接拿到代码时，分数反映的更多是助手的能力。要求学生自己构建、运行和修复程序，分数才重新成为衡量本人能力的尺子。

结语

两项研究指向同一个结论：有效的 AI 学习系统，应当让交互结构与目标能力的形态相匹配。推理本身就是练习对象的领域，结构化的对话更有效；能力要在构建、测试和修改中形成的领域，可执行的工作台不可或缺。AI Cosmos 把引导和学习者亲手实践的产物结合在一起，并把每一次实践沉淀为下一次学习的起点。